论文部分内容阅读
随着遥感影像分辨率的不断提高,遥感影像中的信息越来越丰富。传统的基于像元分类仅利用光谱信息进行信息提取,难以满足高分辨率影像信息提取的要求。目前,面向对象分类方法成为了提取高分辨率遥感影像信息的主要方法之一。在进行面向对象分类时,影像分割的尺度、特征的选择等方面一般根据经验知识人工确定,通常具有主观性和盲目性。针对面向分类过程中的问题,本文基于高分二号遥感影像,对影像的预处理、分割、特征选择、分类以及精度评价等方面进行研究,完成的工作主要有:(1)基于高分二号遥感影像系统地研究分析遥感影像的预处理。主要进行影像辐射定标、大气校正和正射校正以及图像融合。本文使用HSV融合、Brovey融合、Gram-Schmidt融合、基于主成分变换融合和NNDiffuse融合对高分二号遥感进行试验。通过对比分析,NNDiffuse融合变换较适合高分二号遥感影像,不仅较好地保持影像的波段信息,也使得影像的分辨率更高。(2)基于eCognition对多尺度影像分割研究分析。对比分析多种影像分割方法效果,确定基于区域多尺度分割的有效性。由于多尺度分割最优尺度的选择缺乏科学依据,难以把握。本文基于RMAS(Ratio of Mean Difference to Neighbors(ABS)to Standard Deviation)模型确定各类地物的最优分割尺度。表明基于最优尺度分割算法可以有效分割高分辨率遥感影像,对影像分割具有一定应用价值。(3)提出基于Matlab的ReliefF算法和J-M距离的组合模型,进行面向对象分类的特征选择。利用ReliefF算法去除初始特征空间中的无关特征,获取相关特征集,再利用J-M距离计算各地物类别间分离度,去除相关特征集中的冗余度。获得各类地物相对应的特征集。利用该组合模型可以快速获得提取地物的有效特征集,提高了面向对象分类的效率,对面向对象分类具有一定的研究意义。(4)结合基于RMAS模型确定的最优分割尺度和基于ReliefF算法和J-M距离优选的特征集,对研究区影像进行面向对象分类。与基于像元分类进行精度对比,面向对象分类结果总体精度为88.72%,基于像元分类结果总体精度为78.32%。结果表明:针对高分辨遥感影像信息提取,面向对象分类方法更具优势。